声音信号处理方法、装置、系统、设备和存储介质与流程

1.本技术涉及信号处理技术领域，具体而言，涉及一种声音信号处理方法、装置、系统、设备和存储介质。


背景技术：

2.随着真无线tws(true wireless stereo，真无线立体声)耳机的快速推广，越来越多的消费者选择佩戴蓝牙耳机进行语音通话和播放音乐等。同时耳机的功能也日益丰富，其中包括帮助用户睡眠的耳机。这种耳机通过检测睡眠者周围环境噪声，当噪声超过一定阈值则启动主动降噪功能，实现噪声消除，帮助使用者睡眠。这种方法存在明显不足，首先不能简单用外界环境噪声强度作为噪声消除的触发条件，有很多舒适的白噪声是有利于睡眠的，例如自然界中的风声，雨声和流水声，这些声响可以帮助人们安然入睡；然而人们对某些特殊声音十分敏感，就算信号强度不大，也会扰乱正常睡眠，让人难以入睡。典型的就是鼾声，这种连绵起伏，持续不断，另外具有短促暂歇的声音。其次目前主动降噪耳机对鼾声降噪效果不佳，通常主动降噪耳机的噪声滤波参数在出厂阶段设置好，这种滤波只是针对常见的低频白噪声，因此无法有效滤除鼾声。而且这种滤波也会将舒适的白噪声滤掉，反而不利于帮助睡眠。


技术实现要素：

3.本技术实施例的目的在于提供一种声音信号处理方法、装置、系统、设备和存储介质，实现了有针对性的对环境声音中的鼾声信息进行抵消，可以协助用户改善睡眠环境。
4.本技术实施例第一方面提供了一种声音信号处理方法，包括：获取当前用户周围的环境声音信息，所述当前用户佩戴有声道传输设备；对所述环境声音信息进行鼾声特征识别，得到所述环境声音信息中的鼾声特征信息；根据所述鼾声特征信息和所述声道传输设备的声道传输函数，生成所述鼾声特征信息的抵消信号；将所述抵消信号转换为抵消声音信号，并播放所述抵消声音信号。
5.于一实施例中，在所述将所述抵消信号转换为声音信号，并播放所述声音信号之后，还包括：采集所述抵消声音信号与所述环境声音信号叠加后的剩余声音信号；提取所述剩余声音信号中的剩余鼾声特征，并根据所述剩余鼾声特征、所述鼾声特征信息和所述声道传输函数，调整所述鼾声特征信息的所述抵消信号，将调整后的所述抵消信号转换为调整后的声音信号，并播放所述调整后的声音信号。
6.于一实施例中，所述根据所述剩余鼾声特征、所述鼾声特征信息和所述声道传输函数，调整所述鼾声特征信息的所述抵消信号，包括：根据所述剩余鼾声特征，对所述声道传输函数进行修正处理，得到修正后的声道传输函数；根据所述剩余鼾声特征和所述修正后的声道传输函数，调整所述鼾声特征信息的所述抵消信号。
7.于一实施例中，所述根据所述鼾声特征信息和所述声道传输设备的声道传输函数，生成所述鼾声特征信息的抵消信号，包括：根据所述鼾声特征信息对所述环境声音信息
进行噪声滤波处理，得到滤波后的鼾声信号；对所述鼾声信号进行频域处理，得到所述鼾声信号的频谱特征；根据所述鼾声信号的频谱特征和所述声道传输函数，生成所述鼾声特征信息的抵消信号。
8.于一实施例中，所述根据所述鼾声特征信息对所述环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号，包括：将所述鼾声特征信息与鼾声数据库进行比对，判断所述鼾声特征信息是否为存在于所述鼾声数据库中的已知鼾声特征；若所述鼾声特征信息为存在于所述鼾声数据库中的已知鼾声特征，根据所述已知鼾声特征对应的滤波参数对所述环境声音信息进行噪声滤波处理，得到滤波后的所述鼾声信号。
9.于一实施例中，所述根据所述鼾声特征信息对所述环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号，还包括：若所述鼾声特征信息不是存在于所述鼾声数据库中的已知鼾声特征，根据预设的默认滤波参数对所述环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号。
10.于一实施例中，在所述根据所述鼾声特征信息对所述环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号之前，还包括：获取所述当前用户当前的呼吸振动信息和运动信息；根据所述呼吸振动信息、所述运动信息和所述鼾声特征信息，判断所述鼾声特征信息是否来自所述当前用户；若所述鼾声特征信息不是来自所述当前用户，执行所述根据所述鼾声特征信息对所述环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号的步骤。
11.于一实施例中，在所述根据所述鼾声特征信息对所述环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号之前，还包括：若所述鼾声特征信息是来自所述当前用户，统计所述鼾声特征信息的持续时长和所述当前用户的呼吸暂歇频次，并基于所述持续时长和所述呼吸暂歇频次生成所述当前用户的鼾声指数。
12.本技术实施例第二方面提供了一种声音信号处理装置，包括：获取模块，用于获取当前用户周围的环境声音信息，所述当前用户佩戴有声道传输设备；识别模块，用于对所述环境声音信息进行鼾声特征识别，得到所述环境声音信息中的鼾声特征信息；生成模块，用于根据所述鼾声特征信息和所述声道传输设备的声道传输函数，生成所述鼾声特征信息的抵消信号；播放模块，用于将所述抵消信号转换为抵消声音信号，并播放所述抵消声音信号。
13.于一实施例中，还包括：采集模块，用于在所述将所述抵消信号转换为声音信号，并播放所述声音信号之后，采集所述抵消声音信号与所述环境声音信号叠加后的剩余声音信号；调整模块，用于提取所述剩余声音信号中的剩余鼾声特征，并根据所述剩余鼾声特征、所述鼾声特征信息和所述声道传输函数，调整所述鼾声特征信息的所述抵消信号，将调整后的所述抵消信号转换为调整后的声音信号，并播放所述调整后的声音信号。
14.于一实施例中，所述根据所述剩余鼾声特征、所述鼾声特征信息和所述声道传输函数，调整所述鼾声特征信息的所述抵消信号，包括：根据所述剩余鼾声特征，对所述声道传输函数进行修正处理，得到修正后的声道传输函数；根据所述剩余鼾声特征和所述修正后的声道传输函数，调整所述鼾声特征信息的所述抵消信号。
15.于一实施例中，所述生成模块用于：根据所述鼾声特征信息对所述环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号；对所述鼾声信号进行频域处理，得到所述鼾声信号的频谱特征；根据所述鼾声信号的频谱特征和所述声道传输函数，生成所述鼾声特征
信息的抵消信号
16.于一实施例中，所述根据所述鼾声特征信息对所述环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号，包括：将所述鼾声特征信息与鼾声数据库进行比对，判断所述鼾声特征信息是否为存在于所述鼾声数据库中的已知鼾声特征；若所述鼾声特征信息为存在于所述鼾声数据库中的已知鼾声特征，根据所述已知鼾声特征对应的滤波参数对所述环境声音信息进行噪声滤波处理，得到滤波后的所述鼾声信号。
17.于一实施例中，所述根据所述鼾声特征信息对所述环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号，还包括：若所述鼾声特征信息不是存在于所述鼾声数据库中的已知鼾声特征，根据预设的默认滤波参数对所述环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号。
18.于一实施例中，还包括检测模块，用于：在所述根据所述鼾声特征信息对所述环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号之前，获取所述当前用户当前的呼吸振动信息和运动信息；根据所述呼吸振动信息、所述运动信息和所述鼾声特征信息，判断所述鼾声特征信息是否来自所述当前用户；若所述鼾声特征信息不是来自所述当前用户，执行所述根据所述鼾声特征信息对所述环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号的步骤。
19.于一实施例中，所述检测模块还用于在所述根据所述鼾声特征信息对所述环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号之前，若所述鼾声特征信息是来自所述当前用户，统计所述鼾声特征信息的持续时长和所述当前用户的呼吸暂歇频次，并基于所述持续时长和所述呼吸暂歇频次生成所述当前用户的鼾声指数。
20.本技术实施例第三方面提供了一种声音信号处理系统，包括：第一音频采集器，用于采集环境声音信息；鼾声识别器，连接所述第一音频采集器，用于对所述环境声音信息进行鼾声特征识别，得到所述环境声音信息中的鼾声特征信息；声学通道，用于传输所述环境声音信息；信号生成器，连接所述鼾声识别器，用于根据所述鼾声特征信息和所述声学通道的声道传输函数，生成所述鼾声特征信息的抵消信号；扬声器，连接所述信号生成器，用于将所述抵消信号转换为抵消声音信号，并播放所述抵消声音信号。
21.于一实施例中，还包括：第二音频采集器，用于采集所述抵消声音信号与所述环境声音信号叠加后的剩余声音信号；反馈模块，用于提取所述剩余声音信号中的剩余鼾声特征；以及，所述鼾声识别器还用于根据所述剩余鼾声特征、所述鼾声特征信息和所述声道传输函数，调整所述信号生成器的参数；所述信号生成器还用于，根据调整后的参数，调整所述鼾声特征信息的所述抵消信号；所述扬声器还用于，将调整后的所述抵消信号转换为调整后的声音信号，并播放所述调整后的声音信号。
22.本技术实施例第四方面提供了一种电子设备，包括：存储器，用以存储计算机程序；处理器，用以执行本技术实施例第一方面及其任一实施例的方法。
23.本技术实施例第五方面提供了一种非暂态电子设备可读存储介质，包括：程序，当其藉由电子设备运行时，使得所述电子设备执行本技术实施例第一方面及其任一实施例的方法。
24.本技术提供的声音信号处理方法、装置、系统、设备和存储介质，通过对当前用户周围的环境声音信息进行鼾声特征识别，得到环境中的鼾声特征信息，然后基于环境中的
鼾声特征信息和当前用户佩戴的声道传输设备的声道传输函数，生成所述鼾声特征信息的抵消信号，然后将该抵消信号转换成声音播放出来，如此，在抵消信号和环境声音信息在同时进入当前用户的耳朵时，抵消信号与环境声音信息发生叠加，进而将环境声音信息中的鼾声抵消掉，当前用户实际听到的声音中则就是抵消掉鼾声后的环境声音，实现了有针对性的对环境声音中的鼾声信息进行抵消，可以协助用户改善睡眠环境。
附图说明
25.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
26.图1为本技术一实施例的电子设备的结构示意图；
27.图2为本技术一实施例的声音信号处理系统的结构示意图；
28.图3为本技术一实施例的声音信号处理方法的流程示意图；
29.图4为本技术一实施例的声音信号处理方法的流程示意图；
30.图5本技术一实施例的声音信号处理装置的结构示意图。
31.附图标记：
32.200-声音信息处理系统，21-第一音频采集器、22-鼾声识别器，23-声学通道，24-信号生成器，25-扬声器，26-第二音频采集器，27-反馈模块，28-加速度计，29-振动传感器。
具体实施方式
33.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述。在本技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
34.如图1所示，本实施例提供一种电子设备1，包括：至少一个处理器11和存储器12，图1中以一个处理器为例。处理器11和存储器12通过总线10连接。存储器12存储有可被处理器11执行的指令，指令被处理器11执行，以使电子设备1可执行下述的实施例中方法的全部或部分流程，以有针对性的对环境声音中的鼾声信息进行抵消，可以协助用户改善睡眠环境。
35.于一实施例中，电子设备1可以是智能耳机、手机、平板电脑、笔记本电脑、台式电脑或者多个计算机组成的大型计算系统等设备。
36.请参看图2，其为本技术一实施例的声音信号处理系统200，包括：第一音频采集器21、鼾声识别器22、声学通道23、信号生成器24和扬声器25，其中：
37.第一音频采集器21，用于采集环境声音信息。第一音频采集器21可以是麦克风等收音设备。比如第一音频采集器21可以由前馈麦克风实现，前馈麦克风采集外界环境声音，采集的信号同时送入鼾声识别器22和信号生成器24。
38.鼾声识别器22，连接第一音频采集器21，用于对环境声音信息进行鼾声特征识别，得到环境声音信息中的鼾声特征信息。此处鼾声识别器22可以是一个具有深度学习能力的神经网络单元，通过对当前用户睡眠环境中鼾声的学习，区分环境声音中的鼾声、正常的呼
吸和其它噪声。
39.声学通道23，用于传输环境声音信息至当前用户的耳朵。
40.信号生成器24，连接鼾声识别器22，用于根据鼾声特征信息和声学通道23的声道传输函数，生成鼾声特征信息的抵消信号。
41.于一实施例中，信号生成器24可以包括：自适应滤波器h(t)、频域处理器fft和生成模块，其中，鼾声识别器22通过提取鼾声的频谱信息，为自适应滤波器提供滤波参数。自适应滤波器h(t)对从前馈麦克风输入的环境声音信号进行降噪处理，去除鼾声外的其余噪声。频域处理器fft计算获得鼾声各频点的幅度和相位信息。生成模块根据鼾声各频点幅度和相位信息，以及声学通道23的声道传输函数g(f)，输出抵消鼾声的抵消信号波形。
42.扬声器25，连接信号生成器24，用于将抵消信号转换为抵消声音信号，并播放抵消声音信号。即最后抵消信号经扬声器25发出，并和经过声学通道23透传入耳的将环境声音信息中的鼾声进行叠加，达到鼾声消除的效果。
43.于一实施例中，该系统还可以包括：第二音频采集器26，用于采集抵消声音信号与环境声音信号叠加后的剩余声音信号，因此第二音频采集器26可以是反馈麦克风。反馈模块27，用于提取剩余声音信号中的剩余鼾声特征。以及，鼾声识别器22还用于根据剩余鼾声特征、鼾声特征信息和声道传输函数，调整信号生成器24的参数。信号生成器24还用于，根据调整后的参数，调整鼾声特征信息的抵消信号。扬声器25还用于，将调整后的抵消信号转换为调整后的声音信号，并播放调整后的声音信号。
44.也就是说，反馈麦克风采集环境中鼾声抵消后的剩余声信号，将其送入反馈模块27。同时用于生成抵消信号的生成模块提供当前抵消信号幅度。反馈模块27计算出鼾声各频点剩余幅度，提供幅度调整信息给生成模块，动态调整各频点抵消幅度。此外，反馈模块27将计算出的频点调整信息输送给鼾声识别器22，用于更新鼾声频谱信息，从而优化自适应滤波器的参数。
45.于一实施例中，上述声音信号处理系统200还可以集成有加速度计28和振动传感器29，用于检测用户自身运动和呼吸引起的振动，进而可以识别当前用户是否打鼾。
46.上述声音信号处理系统200可以全部集成在单独的耳机设备内，当前用户可以佩戴该耳机设备，实现对鼾声的消除。上述声音信号处理系统200也可以是由相关组件设备组成的组装系统。
47.于一实施例中，鼾声识别器22的部分功能可以在手机或云端服务器完成。例如对于支持神经网络深度学习的手机，耳机可以将睡眠期间采集的声响信号传输给手机，由手机上集成的神经网络处理器完成分析和计算，实现对鼾声特征的提取和记忆，并将特征值传递给耳机进行存储，用于后续的鼾声抵消工作。也可以借助云端服务器的强大计算能力，将采集的睡眠音频信号经手机存储为文件，发送给云端服务器进行处理，获取鼾声识别需要的特征值。
48.对于用户自身的鼾症，通过耳机在睡眠期间的监测，获得打鼾持续时间，呼吸暂停次数和暂歇时长，计算出鼾症指数。这些睡眠信息可以通过手机显示给用户，还可以借助手机发送到网络云平台进行健康监测。由云平台跟踪鼾症发展趋势，对于出现严重症状或恶化趋势，通过手机显示或耳机提示音对用户发出告警指示，通知其就医。
49.请参看图3，其为本技术一实施例的声音信号处理方法，该方法可由图1所示的电
子设备1来执行，或者可以由如图2所示的声音信号处理系统200来执行，以有针对性的对环境声音中的鼾声信息进行抵消，可以协助用户改善睡眠环境。该方法包括如下步骤：
50.步骤301：获取当前用户周围的环境声音信息，当前用户佩戴有声道传输设备。
51.在本步骤中，声道传输设备可以由上述电子设备1或者图2所示的声音信号处理系统200来实现，比如，声道传输设备可以是集成有声音信号处理系统200的耳机设备。当前用户就是佩戴有该耳机的用户。用户佩戴者耳机设备睡觉时，可以通过该耳机设备获取当前用户周围的环境声音信息。
52.步骤302：对环境声音信息进行鼾声特征识别，得到环境声音信息中的鼾声特征信息。
53.在本步骤中，鼾声特征识别可以采用常见的基于深度学习的神经网络识别方式，在鼾声识别之前，首先耳机设备需要进行鼾声学习阶段，该阶段耳机对当前用户睡眠期间反复出现的某种鼾声进行学习和训练，学习过程通常可以持续3到5天，完成对该种鼾声特征的分析和提取。每个人打鼾时咽部组织振动形式各不相同，发声来源部位也有差别，而且生理结构也不一样，所以鼾声有不同于他人的特征。该阶段结束后，耳机具备了对特定鼾声的识别能力。
54.于一实施例中，鼾声特征信息可以包括：峰值频率、中心频率(频点两侧频域曲线下面积相等)、基频、谐波频点、共振峰(第一共振峰f1，第一共振峰f2和第一共振峰f3的频率和幅度)和峰因子比率(声音振幅峰值和声音振幅均方根比率)等参数。
55.步骤303：根据鼾声特征信息和声道传输设备的声道传输函数，生成鼾声特征信息的抵消信号。
56.在本步骤中，声道传输设备的声道传输函数g(f)表示外界声音透过耳机进入用户耳道的信号衰减频响曲线。该传输函数在耳机出厂阶段通过生产测试校准过程获得。由于环境声音信息是通过耳机的声学通道23进入当前用户的耳朵，因此抵消信号与耳机的声道传输函数是相关的。同时考虑环境声音信息中的鼾声特征信息和声道传输设备的声道传输函数，可以使得鼾声特征信息的抵消信号更加准确。
57.步骤304：将抵消信号转换为抵消声音信号，并播放抵消声音信号。
58.在本步骤中，抵消信号是与鼾声特征信息反相的信号，环境声音信息通过耳机的声学通道23进入人耳，将抵消信号转换成声音信号播放出来，如此，抵消声音信号和环境声音信息发生叠加，进而将环境声音信息中的鼾声抵消掉，当前用户实际听到的声音中则就是抵消掉鼾声后的环境声音，实现了有针对性的对环境声音中的鼾声信息进行抵消，可以协助用户改善睡眠环境。
59.上述声音信号处理方法，通过对当前用户周围的环境声音信息进行鼾声特征识别，得到环境中的鼾声特征信息，然后基于环境中的鼾声特征信息和当前用户佩戴的声道传输设备的声道传输函数，生成鼾声特征信息的抵消信号，然后将该抵消信号转换成声音播放出来，如此，在抵消信号和环境声音信息在同时进入当前用户的耳朵时，抵消信号与环境声音信息发生叠加，进而将环境声音信息中的鼾声抵消掉，当前用户实际听到的声音中则就是抵消掉鼾声后的环境声音，实现了有针对性的对环境声音中的鼾声信息进行抵消，可以协助用户改善睡眠环境。
60.请参看图4，其为本技术一实施例的声音信号处理方法，该方法可由图1所示的电
子设备1来执行，或者可以由如图2所示的声音信号处理系统200来执行，以有针对性的对环境声音中的鼾声信息进行抵消，可以协助用户改善睡眠环境。以集成有上述声音信号处理系统200的耳机设备为例，该方法包括如下步骤：
61.步骤401：获取当前用户周围的环境声音信息，当前用户佩戴有声道传输设备。详细参见上述实施例中对步骤301的描述。
62.于一实施例中，在步骤402之前还可以包括：当前用户佩戴集成有上述声音信号处理系统200的耳机设备，在当前用户睡眠期间，该耳机通过第一音频采集器21检测外界环境音量，当音量大于监测阈值sth时，触发鼾声识别过程。鼾声识别器22对第一音频采集器21采集的环境声音进行分析，区别有声段和无声段幅度差异，分割鼾声和非鼾声片段，判断环境声音信息中是否存在鼾声。若环境声音信息中存在鼾声，执行步骤402，否则说明当前用户所在的睡眠环境内不存在其他用户的鼾声，无需鼾声抵消处理，可以返回步骤401，并继续通过第一音频采集器21检测外界环境音量。
63.步骤402：对环境声音信息进行鼾声特征识别，得到环境声音信息中的鼾声特征信息。详细参见上述实施例中对步骤302的描述。
64.步骤403：获取当前用户当前的呼吸振动信息和运动信息。
65.在本步骤中，当环境声音信息中存在鼾声时，进一步地，可以基于加速度计28和振动传感器29采集的当前用户自身的呼吸振动信息和运动信息。加速度计28用于采集佩戴耳机的当前用户在睡眠期间翻身时产生的运动信号m(t)，振动传感器29采集人体表面的振动信号s(t)，该振动信号s(t)包括人体翻身时的振动信号a(t)和睡眠呼吸产生的振动信号v(t)。设a(t)＝k*m(t)，k为比例常数，k基于实际场景而定，t为时间。
66.步骤404：根据呼吸振动信息、运动信息和鼾声特征信息，判断鼾声特征信息是否来自当前用户。若是进入步骤405，否则进入步骤406。
67.在本步骤中，可以利用加速度计28和振动传感器29的测量结果，得到当前用户的人体自身呼吸振动信号v(t)如下：
68.v(t)＝s(t)-k*m(t)
69.将人体自身呼吸振动信号v(t)与鼾声识别器22识别出的环境声音信息中的鼾声信号w(t)进行相关性判别，如果二者相关度达到一定相关阈值，则确定该鼾声是为当前用户产生，进入步骤405。如果二者相关度没有达到上述相关阈值，则说明该鼾声不是当前用户发出的，进入步骤406。
70.步骤405：统计鼾声特征信息的持续时长和当前用户的呼吸暂歇频次，并基于持续时长和呼吸暂歇频次生成当前用户的鼾声指数。
71.在本步骤中，若鼾声特征信息是来自当前用户，那就没必要对鼾声进行抵消，则可以统计当前用户的呼吸阻塞发生次数和每次阻塞持续时间，进而得到呼吸暂歇频次等睡眠状态下的呼吸行为信息，该呼吸行为信息可以用来计算当前用户的鼾症指数，协助确认当前用户时单纯打鼾还是阻塞性睡眠呼吸暂停低通气综合征(osahs)。在当前用户不需要去医院鼾症监护室使用特殊设备情况下，实现了对用户的鼾症数据采集。以供跟踪鼾症的发展趋势，为医治鼾症提供了支撑数据。
72.实际场景中，环境声音信息中会存在杂音，为了得到比较精准的抵消信号，首先要求被抵消的鼾声信号是比较干净的，因此首先需要根据鼾声特征信息对环境声音信息进行
滤波处理，得到滤波后的鼾声信号。因此该方法还可以包括：
73.步骤406：将鼾声特征信息与鼾声数据库进行比对，判断鼾声特征信息是否为存在于鼾声数据库中的已知鼾声特征。若是，进入步骤407，否则，进入步骤408。
74.在本步骤中，鼾声数据库中保存了当前用户所在的睡眠环境中常常会出现的一种或多种已知鼾声特征，已知鼾声特征可以通过耳机在鼾声学习阶段得到，比如已知鼾声特征可以是当前用户的家人的鼾声特征。如果该鼾声特征信息是存在于鼾声数据库中的已知鼾声特征，进入步骤407，否则进入步骤408。
75.步骤407：根据已知鼾声特征对应的滤波参数对环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号，然后进入步骤409。
76.在本步骤中，若鼾声特征信息为存在于鼾声数据库中的已知鼾声特征，则可以利用该已知鼾声特征的频谱获得自适应滤波器的滤波参数，滤波参数可以包括：滤波器中心频点，滤波器包络等，基于上述滤波参数对环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号。
77.步骤408：根据预设的默认滤波参数对环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号，然后进入步骤409。
78.在本步骤中，若鼾声特征信息不是存在于鼾声数据库中的已知鼾声特征，则可以使用默认的滤波参数配置自适应滤波器，对环境声音信息进行降噪滤波处理，获得高信噪比的滤波后的鼾声信号。
79.于一实施例中，上述对环境声音信息进行降噪滤波处理的算法实现过程可以如下：
80.自适应滤波器h(t)为一组带通滤波器组合，针对鼾声频谱的多个主要峰值进行滤波，鼾声峰值频点和滤波包络由鼾声识别器22负责提供，即中心频点(fi)和滤波包络hi(t)。设耳机的第一音频采集器21采集的环境声音信息的时域信号序列表示为：xn＝{x0,x1,...xn},n为采样点个数(n为正整数)，则自适应滤波器滤波过程表示为：
[0081][0082]
上式，τ是离散卷积时延参数，h(τ)是滤波器冲击响应离散函数，y(i)为自适应滤波器对第i个鼾声峰值的滤波输出，m为滤波器的总数目，与需要过滤的鼾声频谱能量峰数目相同。kj为第j个滤波器的阶数，kj。
[0083]
步骤409：对鼾声信号进行频域处理，得到鼾声信号的频谱特征。
[0084]
在本步骤中，对滤波降噪后的鼾声信号进行频域处理，比如可以对滤波降噪后的鼾声信号进行fft(fast fourier transform，快速傅立叶变换)处理，获得鼾声信号的频谱特征，该频谱特征可以是鼾声信号中主要能量的频域幅度信息和相位信息。
[0085]
于一实施例中，以上述步骤409中的滤波过程为例，频域处理阶段通过即通过下述公式(2)对鼾声信号进行fft变换，获得鼾声信号的频谱能量峰的幅度和相位：
[0086][0087]
其中，m为需要过滤的鼾声频谱能量峰数目，fi为第i个鼾声峰值的频率，ai为第i个鼾声峰值的幅度，为i个鼾声峰值的相位，e为自然常数。
[0088]
步骤410：根据鼾声信号的频谱特征和声道传输函数，生成鼾声特征信息的抵消信
号。
[0089]
在本步骤中，透传入耳声学通道23传输函数g(f)表示外界环境声音透过耳机进入用户耳道的信号衰减频响曲线。该传输函数在耳机出厂阶段通过生产测试校准过程获得。鼾声抵消信号的生成可以利用耳机已知的声道传输函数g(f)结合鼾声信号的频谱特征得到，因此，在上述公式(2)的基础上，随时间t变化的鼾声特征信息的抵消信号y(t)可以采用如下公式表示：
[0090][0091]
步骤411：将抵消信号转换为抵消声音信号，并播放抵消声音信号。
[0092]
在本步骤中，将抵消信号为与鼾声信号反相的信号，可以通过扬声器25将抵消信号转换为抵消声音信号，并播放送出，该声音抵消信号与透传入耳的环境声音信息叠加，可以有针对性的消除掉大部分鼾声，从而保障用户睡眠质量。
[0093]
步骤412：采集抵消声音信号与环境声音信号叠加后的剩余声音信号。
[0094]
在本步骤中，为了适应不同的环境，并且自适应提高抵消信号的准确度，可以对抵消后的剩余声音信号进行分析，分析结果作为反馈信号给信号生成器24，动态调整抵消信号。可以通过耳机的第二音频采集器26采集抵消声音信号与环境声音信号叠加后的剩余声音信号。
[0095]
步骤413：提取剩余声音信号中的剩余鼾声特征，并根据剩余鼾声特征、鼾声特征信息和声道传输函数，调整鼾声特征信息的抵消信号，将调整后的抵消信号转换为调整后的声音信号，并播放调整后的声音信号。
[0096]
在本步骤中，将剩余声音信号送入反馈模块27处理，可以获得剩余声音信号中鼾声的各频点的幅度值(即剩余鼾声特征)，将其提供给信号生成器24，可以用于修正声学通道23的传输函数g(f)和抵消信号各频点幅度。若反馈模块27识别出剩余声音信号中存在没有被抵消的鼾声能量峰，或者有些鼾声频点不需要抵消，则生成频点调整信息送入鼾声识别器22，更新滤波参数，进而提高最终的鼾声抵消效果。
[0097]
于一实施例中，步骤413具体可以包括：根据剩余鼾声特征，对声道传输函数进行修正处理，得到修正后的声道传输函数。根据剩余鼾声特征和修正后的声道传输函数，调整鼾声特征信息的抵消信号。
[0098]
在上述步骤中，第二音频采集器26采集的抵消后剩余声音信号dy(t)送入反馈模块27处理。考虑到声道传输函数g(f)为耳机产品出厂阶段校准获得的，而耳机在使用过程中因为佩戴的差异以及温度的变化，实际的声道传输函数g
′
(f)和出厂g(f)会存在偏差，可以计算出剩余声音信号dy(t)中的鼾声各能量峰的剩余幅度和剩余相位。例如对于第i个鼾声能量峰，其频率为fi,可以按照如下公式计算频率fi对应的一个周期t内的幅度相位函数
[0099][0100]
其中，δai表示剩余声音信号dy(t)中的第i个鼾声能量峰的剩余幅度，表示
剩余声音信号dy(t)中的第i个鼾声能量峰的剩余相位。由此得到δai是的最大值，是取最大值对应的相位值。利用上述方法可以获得剩余声音信号dy(t)中的所有鼾声能量峰的剩余幅度集合δa＝{δa0,δa1,
…
,δa
m-1
}和剩余相位集合
[0101]
将δa和提供给信号生成器24的生成模块，可以修正声道传输函数，修正结果可以表示为：
[0102][0103]
其中，g
′
(fi)为修正后的声道传输函数，可以用于后续的鼾声抵消信号生成。
[0104]
进一步地，反馈模块27可以通过对剩余声音信号dy(t)的频谱分析，获得频谱上除去鼾声以外能量较大的峰值集合，称之为非鼾声能量峰值集合，可以表示为如下：
[0105]
fext＝{(fe0,a0),(fe1,a1),
…
,(fen,an)}
[0106]
其中fen表示剩余声音信号dy(t)中的第n个非鼾声能量峰的频点，an是剩余声音信号dy(t)中的第n个非鼾声能量峰的幅度。
[0107]
进一步地，可以根据修正后的声道传输函数g
′
(fi)和剩余幅度集合δa＝{δa0,δa1,
…
,δa
m-1
}，得到外界鼾声各峰值经过耳机声学通道23透传的幅度集合ga，表示为：
[0108]
ga＝{g
′
(f0)*a0,g
′
(f1)*a1,
…
,g
′
(fn)*an}
[0109]
非鼾声能量峰值集合fext和ga作为频点调整信息送给鼾声识别器22，由鼾声识别器22判断集合fext的频点中是否有需要抵消的鼾声频点，如果有，则将这些鼾声频点更新到滤波器参数中。还可以根据集合ga中各信号幅度确定当前抵消的鼾声峰值频点中是否有幅度小于忽略阈值的小鼾声信号，这些小鼾声信号可以忽略，不需要抵消。可以从原本的滤波参数中删掉这些小鼾声信号的滤波参数，更新滤波参数，从而提高鼾声实际抵消效果。
[0110]
上述声音信号处理方法，基于神经网络算法对用户睡眠期间反复出现的鼾声进行训练，提取鼾声的声学特征值，使其具备对该鼾声的识别能力。以后在用户睡眠期间，当识别到鼾声，启动自适应滤波降噪，并进行频域和时域信号处理，产生鼾声抵消信号，和进入用户耳道的鼾声进行叠加消除。此外，结合加速度传感器和振动传感器29，确认鼾声是否为使用者发出，如果是则进行鼾声统计，获得鼾声期间呼吸暂停次数和暂停时间长度，并计算得到鼾症指数。记录的数据用于长期的医学观察，为治疗提供数据支撑。
[0111]
请参看图5，其为本技术一实施例的声音信号处理装置500，该装置可应用于图1所示的电子设备1，或者可以应用于如图2所示的声音信号处理系统200，以有针对性的对环境声音中的鼾声信息进行抵消，可以协助用户改善睡眠环境。该装置包括：获取模块501、识别模块502、生成模块503和播放模块504，各个模块的原理关系如下：
[0112]
获取模块501，用于获取当前用户周围的环境声音信息，当前用户佩戴有声道传输设备。识别模块502，用于对环境声音信息进行鼾声特征识别，得到环境声音信息中的鼾声特征信息。生成模块503，用于根据鼾声特征信息和声道传输设备的声道传输函数，生成鼾声特征信息的抵消信号。播放模块504，用于将抵消信号转换为抵消声音信号，并播放抵消声音信号。
[0113]
于一实施例中，还包括：采集模块505，用于在将抵消信号转换为声音信号，并播放声音信号之后，采集抵消声音信号与环境声音信号叠加后的剩余声音信号。调整模块506，用于提取剩余声音信号中的剩余鼾声特征，并根据剩余鼾声特征、鼾声特征信息和声道传输函数，调整鼾声特征信息的抵消信号，将调整后的抵消信号转换为调整后的声音信号，并播放调整后的声音信号。
[0114]
于一实施例中，根据剩余鼾声特征、鼾声特征信息和声道传输函数，调整鼾声特征信息的抵消信号，包括：根据剩余鼾声特征，对声道传输函数进行修正处理，得到修正后的声道传输函数。根据剩余鼾声特征和修正后的声道传输函数，调整鼾声特征信息的抵消信号。
[0115]
于一实施例中，生成模块503用于：根据鼾声特征信息对环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号。对鼾声信号进行频域处理，得到鼾声信号的频谱特征。根据鼾声信号的频谱特征和声道传输函数，生成鼾声特征信息的抵消信号
[0116]
于一实施例中，根据鼾声特征信息对环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号，包括：将鼾声特征信息与鼾声数据库进行比对，判断鼾声特征信息是否为存在于鼾声数据库中的已知鼾声特征。若鼾声特征信息为存在于鼾声数据库中的已知鼾声特征，根据已知鼾声特征对应的滤波参数对环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号。
[0117]
于一实施例中，根据鼾声特征信息对环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号，还包括：若鼾声特征信息不是存在于鼾声数据库中的已知鼾声特征，根据预设的默认滤波参数对环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号。
[0118]
于一实施例中，还包括检测模块507，用于：在根据鼾声特征信息对环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号之前，获取当前用户当前的呼吸振动信息和运动信息。根据呼吸振动信息、运动信息和鼾声特征信息，判断鼾声特征信息是否来自当前用户。若鼾声特征信息不是来自当前用户，执行根据鼾声特征信息对环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号的步骤。
[0119]
于一实施例中，检测模块507还用于在根据鼾声特征信息对环境声音信息进行噪声滤波处理，得到滤波后的鼾声信号之前，若鼾声特征信息是来自当前用户，统计鼾声特征信息的持续时长和当前用户的呼吸暂歇频次，并基于持续时长和呼吸暂歇频次生成当前用户的鼾声指数。
[0120]
上述声音信号处理装置500的详细描述，请参见上述实施例中相关方法步骤的描述。
[0121]
本发明实施例还提供了一种非暂态电子设备可读存储介质，包括：程序，当其在电子设备上运行时，使得电子设备可执行上述实施例中方法的全部或部分流程。其中，存储介质可为磁盘、光盘、只读存储记忆体(read-only memory，rom)、随机存储记忆体(random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，缩写：hdd)或固态硬盘(solid-state drive，ssd)等。存储介质还可以包括上述种类的存储器的组合。
[0122]
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。